Ilmastonmuutos ja luonnon monimuotoisuuden hupeneminen ovat synnyttäneet tarpeen tarkalle ja laaja-alaiselle metsävaratiedolle. Lentolaserkeilaus mahdollistaa tällaisen tiedon keräämisen tehokkaasti. Lahopuu on metsäympäristön keskeinen komponentti, sillä se sitoo hiiltä ja toimii elinympäristönä lukuisille eliölajeille. Lahopuukartoituksella kerätään paikkatietoa monimuotoisuuden kannalta merkittävistä kohteista. Tämä tieto on hyödyllistä esimerkiksi suojelu- ja entisöintitoimenpiteiden kohdentamisessa. Tämän väitöskirjan tavoitteena oli kehittää automaattisia menetelmiä yksittäisten maa- ja pystylahopuiden kartoittamiseksi lentolaserkeilausaineistosta.
Osatutkimuksissa I ja II kehitettiin viivojen tunnistukseen perustuva menetelmä kaatuneiden puiden kartoittamiseksi. Tämän menetelmän toimintaa tutkittiin lentolaserkeilausaineistolla, jonka pistetiheys oli noin 15 pistettä/m2 sekä dronella kerätyllä laserkeilausaineistolla, jonka pistetiheys oli noin 285 pistettä/m2. Tämän lisäksi osatutkimuksissa tarkasteltiin menetelmän toimintatarkkuuteen vaikuttavia tekijöitä. Osatutkimukset osoittivat, että kaatuneiden puiden pituus ja läpimitta vaikuttavat niiden tunnistustodennäköisyyteen ja että merkittävä osa suurista lahopuista saadaan kartoitettua kehitetyllä menetelmällä. Tämän lisäksi aluskasvillisuuden määrän ja tyypin sekä kaatuneita puita ympäröivien elävien puiden koon havaittiin vaikuttavan menetelmän toimintatarkkuuteen. Osatutkimus II osoitti myös, että laserkeilausaineiston pistetiheyden kasvattaminen ei automaattisesti paranna menetelmän toimintatarkkuutta, jos menetelmä ei kykene ottamaan huomioon lisääntynyttä kohinan ja yksityiskohtien määrää.
Osatutkimuksessa III tarkasteltiin dronella kerätyn tiheän laserkeilausaineiston soveltuvuutta yksittäisten pystylahopuiden kartoitukseen. Osatutkimuksessa kehitettiin kolmivaiheinen tunnistusmenetelmä, joka koostui yksittäisten puiden segmentoinnista, piirteiden laskennasta ja koneoppimispohjaisesta luokittelusta. Osatutkimus osoitti, että pelkästään puiden geometrisiin piirteisiin pohjautuvan tunnistusmenetelmän toimintatarkkuus on vaatimaton. Kuolleiden pystypuiden kartoittamiseksi laserkeilausaineisto tulisikin yhdistää spektritietoa sisältävien kaukokartoitusaineistojen, kuten ilmakuvien kanssa.
Tämän väitöskirjan tulokset parantavat ymmärrystämme muuttujista, jotka tulisi huomioida laserkeilauspohjaisessa lahopuukartoituksessa. Vaikka kaukokartoituspohjaiseen lahopuukartoitukseen liittyy edelleen merkittäviä haasteita, tämä väitöskirja on askel kohti laajamittaista kaukokartoituspohjaista monimuotoisuuden kartoitusta.
Metsät ovat kokonaisuus, joka on jatkuvan muutoksen alaisena. Keskeisimpiä luonnollisia syitä metsissä tapahtuville muutoksille ovat puiden kasvu, vaurioituminen ja kuolema. Puiden kasvu ilmenee puun eri osien koon muutoksena. Vallalla olevan käsityksen mukaan puiden kasvu noudattaa teoriaa, jossa puu kohdistaa kasvuresurssejaan ensin latvukseen, saavuttaakseen puiden välisessä kilpailussa riittävät valo-olosuhteet, minkä jälkeen resursseja voi kohdistaa myös rungon läpimitan kasvattamiseen. Kasvua voidaan mitata keräämällä toistuvia havaintoja jostain tunnuksesta valitulla ajanjaksolla. Aiemmat tutkimukset ovat jo osoittaneet puiden kasvun vaikuttavan esimerkiksi puun laatuun ja niiden kykyyn sitoa hiiltä, mutta voidaksemme ymmärtää entistä paremmin puiden kasvun syitä ja sen vaikutuksia, tarvitaan uusia menetelmiä puissa ja metsissä tapahtuvien muutosten määrittämiseksi.
Maastolaserkeilauksesta (TLS) on tullut 2000-luvun aikana menetelmä, jolla tuotetuista yksittäisiä puita tai metsiä kuvaavista 3D-pistepilvistä voidaan määrittää tarkasti puun mittoja ja ominaisuuksia. TLS-pistepilviä ei kuitenkaan ole vielä hyödynnetty laajemmin puiden kasvun mittaamisessa. Tämän väitöskirjatyön tavoitteena oli kehittää menetelmiä puiden kasvun mittaamiseksi boreaalisissa metsissä kahden ajankohdan TLS-pistepilviltä. Lisäksi tavoitteena oli tuottaa uutta tietoa puiden kasvusta eri olosuhteissa ja kehitysvaiheissa tutkimalla TLS-pistepilviltä puiden runkomuodon muutosta ja kasvun kohdentumista rungon eri osiin. Väitöskirjatutkimuksessa seurattiin yhteensä 1315 puun kasvua viiden ja yhdeksän vuoden ajanjaksoilla.
Väitöskirjan osajulkaisu I osoitti TLS-pistepilvien käyttökelpoisuuden puiden kasvun mittaamiseen. Osajulkaisuissa II ja III tutkittiin automatisoidun menetelmän soveltuvuutta kasvun mittaukseen. Automaattinen menetelmä onnistui havaitsemaan kahden ajankohdan TLS-pistepilvistä puut, jotka vastasivat pohjapinta-alaltaan 84.5 prosenttia koko tutkimuskohteiden puuston pohjapinta-alasta. Puiden rinnankorkeusläpimitassa, pituudessa sekä runko- ja tukkitilavuudessa havaittiin tilastollisesti merkitseviä muutoksia tarkastelujakson aikana. Puiden kasvu ja tilavuuskasvun kohdentuminen oli samankaltaisempaa rakenteeltaan samanlaisissa metsiköissä.
Tämän väitöskirjatutkimuksen tulokset osoittavat kahden ajankohdan TLS-pistepilvien soveltuvuuden puiden kasvun ja metsien rakenteessa tapahtuvien muutosten seurantaan. TLS-pistepilviä hyödyntämällä voidaan saada lisätietoa puiden kasvusta, mikä on tarpeen, jotta olisi mahdollista ymmärtää entistä paremmin metsissä tapahtuviin muutoksiin vaikuttavia tekijöitä. Parantunut ymmärrys ja lisääntynyt tieto voi olla erityisen arvokasta aloilla, joilla tarvitaan yksityiskohtaista tietoa puiden kasvusta ja metsien rakenteen muutoksista.
Hyönteisten aiheuttamat metsätuhot lisääntyvät ilmaston muuttuessa. Kotoperäisten hyönteislajien lisäksi vieraslajit uhkaavat metsien terveyttä. Saman aikaisesti tuhojen lisääntyessä, lisääntyy myös niiden ennustamiseen liittyvä epävarmuus. Tehokkaita menetelmiä metsien terveyden seurantaan tarvitaan kiireellisesti, jotta tuhoista aiheutuvia negatiivisia vaikutuksia voitaisiin ehkäistä tai vähentää. Tehokkaan metsien terveyden seurannan tueksi tarvitaan valtava määrä tarkkaa tietoa laajoilta alueilta. Tietoja on myös pystyttävä päivittämään usein. Tarvittavaa tietoa ei voida tuottaa ainoastaan perinteisiin menetelmiin tukeutuen. Viime aikojen nopea kehitys kaukokartoitus- ja paikkatietomenetelmissä, kuten myös spatiaalisten mallien ja algoritmien kehitys, on tuottanut uusia tehokkaita keinoja metsävarojen seurantaan. Näiden menetelmien mukauttaminen metsätuhojen kartoitukseen ja metsien terveyden seurantaan on vaativaa. Metsänterveyden seurantaan liittyvä epävarmuus vaikuttaa myös menetelmien soveltamiseen.
Väitöskirja koostuu yhteenvedosta ja kuudesta osajulkaisusta, joissa tutkitaan hyönteistuhojen seurantaa ja arviointia monella eri mittakaavalla. Tutkimuksissa on hyödynnetty useita eri kaukokartoitus- ja mallinnusmenetelmiä. Tarkastelun mittakaava vaihtelee yksittäisen puun tasolta mannertason malleihin. Työssä vertaillaan myös hyönteistuhojen seurantaa erityyppisillä metsäalueilla Fennoskandiasta Pohjois-Amerikkaan. Tuhon laajuus, intensiteetti ja jakautuminen maastossa vaihtelevat huomattavasti, riippuen muun muassa hyönteislajista ja alueesta. Tästä vaihtelevuudesta johtuen kaukokartoitus ja mallinnusmenetelmät tulee tarkasti valita niin, että ne sopeutuvat kyseisen tuhon havaitsemiseen ja seurantaan. Myös käytettävä tieto ja aineistot vaikuttavat sopivien menetelmien ja mittakaavan valintaan. Spatiaalinen resoluutio, sekä mittakaava, jolla tuhoa tarkastellaan ovat tärkeässä asemassa seurannan onnistumisen kannalta. Seurannan ajoitus ja temporaalinen resoluutio vaikuttavat huomattavasti siihen, voidaanko kyseessä oleva tuho havaita ilmasta käsin. Oikea ajoitus vaikuttaa myös hyönteistuhojen negatiivisia seurauksia vähentävien toimenpiteiden oikea-aikaiseen toteutukseen.
Metsien terveyden kattava seuranta olisi saatava osaksi metsäalueitten monitorointijärjestelmiä. Tämä seuranta sisältäisi parhaimmillaan yhdistelmän korkean ja matalan resoluution kaukokartoitusta ja spatiaalisia malleja, joita yhdistelemällä voitaisiin taata joustava ja kustannustehokas metsien terveyden monitorointijärjestelmä, joka toimisi erilaisissa ympäristöissä yli ilmasto- ja kasvillisuusgradienttien. Nopeasti kehittyvä satelliittiteknologia, sekä vapaasti käytettävät aineistot saattavat olla tärkeä osa järjestelmiä. Viime aikaisesta kehityksestä huolimatta, runsaasti uutta tutkimusta on vielä tehtävä, ennen kuin metsien terveyden tehokas seuranta voidaan mukauttaa käytännön tasolle.